redis——企业级解决方案

缓存预热

现象：服务器启动后迅速宕机

问题排查：
1.请求数量较高
2.主从之间数据吞吐量较大，数据同步操作频度较高

解决方案
前置准备工作：
1.日常例行统计数据访问记录，统计访问频度较高的热点数据
2.利用LRU数据删除策略，构建数据留存队列 例如：storm与kafka配合

准备工作：
1.将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据
2.利用分布式多服务器同时进行数据读取，提速数据加载过程
3.热点数据主从同时预热

实施：
1.使用脚本程序固定触发数据预热过程
2.如果条件允许，使用了CDN（内容分发网络），效果会更好

总结
缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！

缓存雪崩

数据库服务器崩溃（1）
1.系统平稳运行过程中，忽然数据库连接量激增
2.应用服务器无法及时处理请求
3.大量408，500错误页面出现
4.客户反复刷新页面获取数据
5.数据库崩溃
6.应用服务器崩溃
7.重启应用服务器无效
8.Redis服务器崩溃
9.Redis集群崩溃
10.重启数据库后再次被瞬间流量放倒

问题排查
1.在一个较短的时间内，缓存中较多的key集中过期
2.此周期内请求访问过期的数据，redis未命中，redis向数据库获取数据
3.数据库同时接收到大量的请求无法及时处理
4.Redis大量请求被积压，开始出现超时现象
5.数据库流量激增，数据库崩溃
6.重启后仍然面对缓存中无数据可用
7.Redis服务器资源被严重占用，Redis服务器崩溃
8.Redis集群呈现崩塌，集群瓦解
9.应用服务器无法及时得到数据响应请求，来自客户端的请求数量越来越多，应用服务器崩溃
10.应用服务器，redis，数据库全部重启，效果不理想

问题分析

• 短时间范围内
• 大量key集中过期

解决方案（道）
1.更多的页面静态化处理
2.构建多级缓存架构 Nginx缓存+redis缓存+ehcache缓存
3.检测Mysql严重耗时业务进行优化 对数据库的瓶颈排查：例如超时查询、耗时较高事务等
4.灾难预警机制 监控redis服务器性能指标

• CPU占用、CPU使用率
• 内存容量
• 查询平均响应时间
• 线程数

5.限流、降级 短时间范围内牺牲一些客户体验，限制一部分请求访问，降低应用服务器压力，待业务低速运转后再逐步放开访问

解决方案（术）
1.LRU与LFU切换
2.数据有效期策略调整

• 根据业务数据有效期进行分类错峰，A类90分钟，B类80分钟，C类70分钟
• 过期时间使用固定时间+随机值的形式，稀释集中到期的key的数量

3.超热数据使用永久key
4.定期维护（自动+人工） 对即将过期数据做访问量分析，确认是否延时，配合访问量统计，做热点数据的延时
5.加锁 慎用！

总结
缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。如能够有效避免过期时间集中，可以有效解决雪崩现象的出现（约40%），配合其他策略一起使用，并监控服务器的运行数据，根据运行记录做快速调整。

缓存击穿

数据库服务器崩溃（2）
1.系统平稳运行过程中
2.数据库连接量瞬间激增
3.Redis服务器无大量key过期
4.Redis内存平稳，无波动
5.Redis服务器CPU正常
6.数据库崩溃

问题排查
1.Redis中某个key过期，该key访问量巨大
2.多个数据请求从服务器直接压到Redis后，均未命中
3.Redis在短时间内发起了大量对数据库中同一数据的访问

问题分析
单个key高热数据
key过期

解决方案（术）
1.预先设定
以电商为例，每个商家根据店铺等级，指定若干款主打商品，在购物节期间，加大此类信息key的过期时长
注意：购物节不仅仅指当天，以及后续若干天，访问峰值呈现逐渐降低的趋势
2.现场调整
监控访问量，对自然流量激增的数据延长过期时间或设置为永久性key
3.后台刷新数据
启动定时任务，高峰期来临之前，刷新数据有效期，确保不丢失
4.二级缓存
设置不同的失效时间，保障不会被同时淘汰就行
5.加锁
分布式锁，防止被击穿，但是要注意也是性能瓶颈，慎重！

总结
缓存击穿就是单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，导致对数据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行，配合运行监控测试与即时调整策略，毕竟单个key的过期监控难度较高，配合雪崩处理策略即可。

缓存穿透

数据库服务器崩溃（3）
1.系统平稳运行过程中
2.应用服务器流量随时间增量较大
3.Redis服务器命中率随时间逐步降低
4.Redis内存平稳，内存无压力
5.Redis服务器CPU占用激增
6.数据库服务器压力激增
7.数据库崩溃

问题排查
1.Redis中大面积出现未命中
2.出现非正常URL访问

问题分析

• 获取的数据在数据库中也不存在，数据库查询未得到对应数据
• Redis获取到null数据未进行持久化，直接返回
• 下次此类数据到达重复上述过程
• 出现黑客攻击服务器

解决方案（术）
1.缓存null
对查询结果为null的数据进行缓存（长期使用，定期清理），设定短时限，例如30-60秒，最高5分钟
2.白名单策略

• 提前预热各种分类数据id对应的bitmaps，id作为bitmaps的offset，相当于设置了数据白名单。当加载正常数据时，放行，加载异常数据时直接拦截（效率偏低）
• 使用布隆过滤器（有关布隆过滤器的命中问题对当前状况可以忽略）

3.实施监控
实时监控redis命中率（业务正常范围时，通常会有一个波动值）与null数据的占比

• 非活动时段波动：通常检测3-5倍，超过5倍纳入重点排查对象
• 活动时段波动：通常检测10-50倍，超过50倍纳入重点排查对象

根据倍数不同，启动不同的排查流程。然后使用黑名单进行防控（运营）

4.key加密
问题出现后，临时启动防灾业务key，对key进行业务层传输加密服务，设定校验程序，过来的key校验
例如每天随机分配60个加密串，挑选2到3个，混淆到页面数据id中，发现访问key不满足规则，驳回数据访问

总结
缓存穿透访问了不存在的数据，跳过了合法数据的redis数据缓存阶段，每次访问数据库，导致对数据库服务器造成压力。通常此类数据的出现量是一个较低的值，当出现此类情况以毒攻毒，并及时报警。应对策略应该在临时预案防范方面多做文章。
无论是黑名单还是白名单，都是对整体系统的压力，警报解除后尽快移除。

性能指标监控

监控指标

• 性能指标：Performance
• 内存指标：Memory
• 基本活动指标：Basic activity
• 持久性指标：Persistence
• 错误指标：Error

性能指标：Performance

内存指标：Memory

基本活动指标：Basic activity

持久性指标：Persistence

错误指标：Error

监控方式

工具

• Cloud Insight Redis
• Prometheus
• Redis-stat
• edis-faina
• RedisLive
• zabbix

命令

• benchmark
• redis cli
• monitor
• showlog

benchmark
命令

redis-benchmark [-h ] [-p ] [-c ] [-n <requests]> [-k ]
redis-benchmark //范例1 说明：50个连接，10000次请求对应的性能
redis-benchmark -c 100 -n 5000 //说明：100个连接，5000次请求对应的性能

monitor
命令

monitor

打印服务器调试信息

showlong
命令

showlong [operator]

• get ：获取慢查询日志
• len ：获取慢查询日志条目数
• reset ：重置慢查询日志

相关配置

slowlog-log-slower-than 1000 #设置慢查询的时间下线，单位：微妙 
slowlog-max-len 100 #设置慢查询命令对应的日志显示长度，单位：命令数